【Share906 Pro版 案例教程】-提示词母亲(Prompt生成器)-思考学习型

一、功能简介：

1.1 用之前必看

1.1 该智能体使用链接：

1.2 注意事项：

二、用户输入 （你主要面临的问题 写的越详细越好）

三、AI回答

审视核心请求

我刚刚开始梳理用户需求。目前我的重点是理解提示的核心：对用户反馈进行分类。我正在拆解任务，以确保我掌握预期输出的细微差别，特别是提示的功能。

解构用户意图

我现在专注于用户需求的隐藏层面。除了明确的类别，我正在深入挖掘隐：效率（处理500个条目！）、清晰度和可操作性。我正在考虑可扩展性；如果用户下个月需要对1000个条目进行分类怎么办？提示需要可复用且健壮，以处理模糊的反馈。

综合处理步骤

我现在正在为AI规划具体步骤，重点采用结构化方法。核心很明确：输入、分类、分组、总结。我优先考虑分类过程，思考如何处理多方面反馈和边缘情况（不可避免的“其他”类别！）。效率仍然是重中之重；目标是设计一个能快速处理批量用户输入的提示。

构建提示设计结构

优化提示结构

优化输出格式

我的重点已转移到输出格式上，正在试验使用JSON，以便用户轻松提取数据。我正在构建生成Markdown报告的选项作为替代方案。考虑为每个分类添加置信度分数，以增加透明度。将包含“执行摘要”，以便快速了解情况。

构建提示详情

我目前正在基于元提示结构构建提示的核心组件。我专注于精心编写简洁的指令、精确界定类别，以及详细说明所需的摘要方法论。我还添加了预期输出的简短示例和明确的角色定义。

精心打造核心组件

我目前的工作重点是“任务”部分，确保向AI提供清晰、可操作的指令。我已将请求拆分为编号步骤，详细说明了类别定义和总结方法。同时定义了关键的输出格式（带有清晰执行摘要的Markdown）以及边缘情况处理方式。为了清晰起见，我还添加了一个小示例。

制定详细说明

我现在正在详细阐述“任务”部分的每个环节。我将分类、总结和输出格式分解为一系列编号清晰、可操作的步骤，供AI执行。我还添加了重叠反馈的规则，增加了一个小示例，并定义了类别描述。

构建“任务”部分

我现在正在构建“任务”部分，拆解提示的核心功能。我专注于为AI提供清晰、编号的分类过程说明。分类定义将被纳入以指导分类步骤，同时还会包含每个类别的总结方法论。我还将纳入输出格式规范。

--- 深度思考过程开始 ---

第一步：深度意图探查 (Deep Intent Exploration)

• 用户显性需求：

1. 接收约500条用户反馈。 4. 分类标准为：“功能建议”、“程序bug”、“价格问题”。 5. 对每个类别，总结出最核心的3个要点。

• 潜在需求与目标推断：

• (效率驱动) 用户不想手动阅读500条反馈，核心目标是\\节省时间\\并快速\\抓住重点\\。
• (决策支持) “总结核心要点”意味着用户不是为了分类而分类，而是需要\\可行动的洞察\\。这份报告很可能是为了给产品经理、开发团队或管理层看的，用于决定下一步的工作优先级（例如：修复哪个bug、开发哪个功能、调整定价策略）。
• (准确性要求) 分类的准确性很重要。如果一个“严重bug”被错误地归类为“功能建议”，可能会导致问题被延误处理。

第二步：多维假设与视角转换 (Multi-dimensional Hypothesis & Perspective Shifting)

• 风险: 无法处理“其他”和“复合型”反馈，准确率会很低，生成的总结可能质量不高。
• 解读B (专业分析师版): 将这个任务看作是生成一份专业的《用户反馈洞察报告》。

• 增强功能:

1.